Impala安装手册

    鄙人最近准备离职，所以把之前工作中积累的一些东西整理下发上来，其中一部分发在公司内刊上，一部分是组内交流文档，标“原创”的都是本人原创，转载请注明谢谢！

    Impala这个东西在我们实践应用中还是不错的，查询速度可以，就是稳定性一般，做好监控的话没有问题。我们装的是配套CDH5u3的2.1版本，装其他版本不是不可以，只不过cloudera不保证一定可用，需要自己解决一些坑，如果有明确需求要使用新特性的，就装最新版本。比如CDH5u3配套的Spark是1.2，但我们自己装的就是1.6的。本篇提供的安装方法是基于rpm的，缺点是需要装一堆依赖的东西（如hadoop等即使你已有但不是通过rpm装的），从官网下源码独立装也可以。另外里面的IP是我们自己集群的IP，需换成读者自己的。

参考文档：

http://www.cloudera.com/content/cloudera/en/documentation/cloudera-impala/latest/topics/impala_noncm_installation.html

http://blog.csdn.net/zhong_han_jun/article/details/45563505

 

1、下载impala软件包

要下载和hadoop主版本匹配的包，我们应下CDH5.3适用的包

http://archive.cloudera.com/cdh5/redhat/6/x86_64/cdh/5.3.0/

下完后，可以在本地构建yum源来安装，也可以拷到每台机器后直接rpm安装，这里采用的是后一种方式。

]

2、impala主机包分发

         这里把impala-state-store和impala-catalog所在的机器称为impala主机。参考文献中impala主机用的是namenode，考虑到namenode内存占用可能会比较大，我们没有选择namenode，而是选择10.100.10.15。

         将下载的软件包中除impala-server-2.1.0+cdh5.3.0+0-1.cdh5.3.0.p0.32.el6.x86_64.rpm和impala-shell-2.1.0+cdh5.3.0+0-1.cdh5.3.0.p0.32.el6.x86_64.rpm的其余软件包拷贝到此机器的/software/impala/下。

 

3、impala从机包分发

         这里把impala-server和impala-shell所在的机器称为impala从机，除10.100.10.15以外的所有datanode都当作从机。

         将下载的软件包中除impala-state-store-2.1.0+cdh5.3.0+0-1.cdh5.3.0.p0.32.el6.x86_64.rpm和impala-catalog-2.1.0+cdh5.3.0+0-1.cdh5.3.0.p0.32.el6.x86_64.rpm的其余软件包拷贝到此机器的/software/impala/下。

 

以下4-6步需要在所有主机、从机上执行：

4、安装软件包（以下所有命令如果提示没权限的，前面加sudo）

cd /software/impala

rpm -ivh --nodeps *.rpm

全部装完后再检查下机器上有没有python，没有的话执行：

yum install python

         因为安装包会向/usr/bin/下加入hadoop、hive等的快捷方式，会定位到新安装的hadoop、hive目录，而我们想继续用原来的，只需要将/usr/bin/下的快捷方式改名即可：

cd /usr/bin

mv hadoop-0.20 hadoop-0.20.bak

mv yarn yarn.bak

mv mapred mapred.bak

mv hdfs hdfs.bak

mv hadoop hadoop.bak

mv hbase hbase.bak

mv hiveserver2 hiveserver2.bak

mv hive hive.bak

mv beeline beeline.bak

另外需要修复/usr/lib/impala/lib目录下5个错误的软链接：

cd /usr/lib/impala/lib

sudo ln -sf/usr/lib/hadoop-mapreduce/hadoop-mapreduce-client-common.jarhadoop-mapreduce-client-common-2.5.0.jar

sudo ln -sf/usr/lib/hadoop-mapreduce/hadoop-mapreduce-client-jobclient.jarhadoop-mapreduce-client-jobclient-2.5.0.jar

sudo ln -sf/usr/lib/hadoop-mapreduce/hadoop-mapreduce-client-shuffle.jarhadoop-mapreduce-client-shuffle-2.5.0.jar

sudo ln -sf/usr/lib/hadoop-yarn/hadoop-yarn-client.jar hadoop-yarn-client-2.5.0.jar

sudo ln -sf/usr/lib/hadoop-yarn/hadoop-yarn-server-nodemanager.jarhadoop-yarn-server-nodemanager-2.5.0.jar

 

5、修改hdfs的配置文件

         在/software/hadoop/etc/hadoop/hdfs-site.xml下增加以下配置，以启用shortcircuit read和blocks metadata功能（以下是正式环境中加好的文件）：

        

         dfs.client.read.shortcircuit

         true

        

 

        

         dfs.domain.socket.path

         /var/run/hadoop-hdfs/dn._PORT

        

 

        

         dfs.client.file-block-storage-locations.timeout.millis

         10000

        

 

          

         dfs.datanode.hdfs-blocks-metadata.enabled 

         true 

          

 

         在每个节点上创建/var/run/hadoop-hdfs，因为hdfs-site.xml文件的dfs.domain.socket.path参数指定了这个目录，并修改其权限和组归属，否则datanode无法启动：

mkdir /var/run/hadoop-hdfs   （正常的话此目录已建好）

chmod 755 /var/run/hadoop-hdfs

chown hdfs:root /var/run/hadoop-hdfs

 

         全部修改完后重启namenode，用hdfs账号登录10.100.10.6，执行：

/software/hadoop/sbin

./stop-dfs.sh

./start-dfs.sh

 

（注：网上教程中的方法都是将hadoop的hdfs-site.xml拷贝到impala配置目录下，只修改impala的那一份，这是有问题的，经测试shortcircuit read和blocks metadata两个功能都需要两者的hdfs-site.xml都有相关参数才行，否则会报错。

其中，hadoop的hdfs-site.xml中不配blocks metadata，impala执行查询时报警告：

WARNINGS: Backend 0:Unknown disk id.  This will negatively affect performance.Check your hdfs settings to enable block location metadata.

Backend 1:Unknown disk id.  This will negatively affect performance.Check your hdfs settings to enable block location metadata.

         hadoop的hdfs-site.xml中不配shortcircuitread相关的3个参数，impala执行查询时报异常，但查询可以完成：

java.net.ConnectException: connect(2) error: No such file or directory when trying to connect to '/var/run/hadoop-hdfs/dn.50010'
at org.apache.hadoop.net.unix.DomainSocket.connect0(Native Method)
at org.apache.hadoop.net.unix.DomainSocket.connect(DomainSocket.java:250)
at org.apache.hadoop.hdfs.shortcircuit.DomainSocketFactory.createSocket(DomainSocketFactory.java:163)
at org.apache.hadoop.hdfs.BlockReaderFactory.nextDomainPeer(BlockReaderFactory.java:719)
at org.apache.hadoop.hdfs.BlockReaderFactory.createShortCircuitReplicaInfo(BlockReaderFactory.java:441)
at org.apache.hadoop.hdfs.shortcircuit.ShortCircuitCache.create(ShortCircuitCache.java:783)
at org.apache.hadoop.hdfs.shortcircuit.ShortCircuitCache.fetchOrCreate(ShortCircuitCache.java:717)
at org.apache.hadoop.hdfs.BlockReaderFactory.getBlockReaderLocal(BlockReaderFactory.java:394)
at org.apache.hadoop.hdfs.BlockReaderFactory.build(BlockReaderFactory.java:305)
at org.apache.hadoop.hdfs.DFSInputStream.blockSeekTo(DFSInputStream.java:574)
at org.apache.hadoop.hdfs.DFSInputStream.readWithStrategy(DFSInputStream.java:797)
at org.apache.hadoop.hdfs.DFSInputStream.read(DFSInputStream.java:851)
at org.apache.hadoop.fs.FSDataInputStream.read(FSDataInputStream.java:143)
W0722 09:47:57.458355 14437 ShortCircuitCache.java:808] ShortCircuitCache(0x6571120a): failed to load 1073745586_BP-1992671808-10.1.12.106-1425868259525

关于此情况的说明，apache的官方说“Short-circuit local reads need to beconfigured on both the DataNode and the client.”，参见http://hadoop.apache.org/docs/current/hadoop-project-dist/hadoop-hdfs/ShortCircuitLocalReads.html）

 

6、建立impala配置文件链接

impala可复用hadoop和hive的配置文件，但需要位于指定目录，所以做软链接即可。

ln -s /software/hive/conf/hive-site.xml/etc/impala/conf/

ln -s /software/hive/conf/hive-env.sh/etc/impala/conf/

ln -s /software/hadoop/etc/hadoop/core-site.xml/etc/impala/conf/

ln -s /software/hadoop/etc/hadoop/hdfs-site.xml/etc/impala/conf/

 

7、修改impala配置文件

vi /etc/default/impala

主要就是改IP的地方，因为每台机器都一样，可以改好后统一上传覆盖原始文件。下面这个是例子：

 

         （注：我们是使用默认的impala账号来启停impala服务，如果需要用其他账号，需要根据实际环境修改impala相关脚本文件/etc/init.d/impala-state-store、/etc/init.d/impala-server、/etc/init.d/impala-catalog，修改其中的SVC_USER参数。）

 

以下步骤在特定机器上执行：

8、复制mysql JDBC包（不一定需要这步，启动catalog报找不到mysql错的话才需要）

         在10.100.10.15上执行即可：

cp/software/hive/lib/mysql-connector-java-5.1.18-bin.jar /var/lib/impala

 

9、启动主机上的impala服务

         还是在10.100.10.15上执行：

service impala-state-store start

service impala-catalog start

正常的话应该/var/log/impala下ERROR日志里都正常。（catalogd.ERROR里可能有“DirectSQL failed, falling back to ORM”这样的异常，应该是hive元数据升级的遗留问题，目前没发现有什么影响）

 

10、启动从机上的impala服务

         在其余datanode上执行：

service impala-server start

         正常的话，运行impala-shell后能看到如下界面：

         执行命令以加载hive元数据：

invalidate metadata;

 

11、配置Hue中使用impala

         在Hue的服务器（我们是10.100.10.2），找到hue.ini，并修改impala所属的配置：

vi /software/hadoop-versions/hue-3.7.0-cdh5.3.0/desktop/conf/hue.ini

         重新启动Hue服务：

ps -ef |grep hue|awk '{print $2}' |xargs kill -9 

nohup /software/hue/build/env/bin/supervisor> supervisor.log &

 

然后在浏览器中访问http://10.100.10.2:8888进行验证。